The impact of alcohol minimum pricing policies on vulnerable populations and health equity: A rapid review
Notice bibliographique
Résumé
Alcohol minimum pricing policies, including minimum unit pricing (MUP), are effective strategies for reducing alcohol consumption and related harm. However, their equity implications remain underexplored. We conducted a rapid review of PubMed and Web of Science, identifying 37 real-world studies assessing the impacts of alcohol minimum pricing. Studies from diverse contexts were synthesised with respect to vulnerable populations and health equity, focusing on consumption, health outcomes, and economic effects. Findings indicate that minimum pricing reduces consumption among people who drink heavily and those in lower socio-economic groups, leading to disproportionate declines in alcohol-related mortality, hospitalisations, and conditions such as liver disease. The greatest health gains occurred among populations experiencing poverty, social marginalization, or alcohol use disorder, highlighting potential to promote health equity. People who drink at low volumes were minimally affected, and substitution effects - such as increased use of non-beverage alcohol or other drugs - were negligible. Purchasing patterns shifted from high-risk, low-cost alcohol products to lower-risk alternatives. Concerns about other unintended consequences, including displacement of essential spending or increased crime, are not strongly supported by current evidence, though isolated findings suggest individuals with severe alcohol use disorder may face challenges. Complementary measures, such as Managed Alcohol Programmes, could mitigate these effects. This review underscores the potential of MUP as a public health strategy that both reduces alcohol-related harm and advances health equity. Further research should examine long-term effects on vulnerable populations and broader outcomes, such as social mobility.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,012 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».